GPT-6 Luna مقابل Claude Sonnet 5.5: فجوتان، وليست فجوة واحدة

ضع GPT-6 Luna وClaude Sonnet 5.5 على ورقة الأسعار نفسها وستكون النسبة محرجة: 0.10 دولار مقابل 2.00 دولار لكل مليون رمز إدخال، و0.50 دولار مقابل 10.00 دولارات لكل مليون رمز إخراج. ضعهما على التقييم نفسه وستبدو الفجوة مختلفة تمامًا حسب التقييم الذي تختاره. في مؤشر الذكاء Intelligence Index من Artificial Analysis، يسجّل Sonnet 5.5 بأقصى جهد 55 ويسجّل Luna بأقصى جهد 28 - أي فارق 27 نقطة على لوحة تحتل فيها مقدمة المجال الخمسينيات. وفي FrontierCode-AA 2.0، يسجّل النموذجان نفسهما 25.7 و25.2. هذه ليست فجوة. هذا تعادل.

كلا القراءتين صحيحتان، والسبب في تعايشهما هو ما يستحق الفهم قبل الاختيار. فـ Luna ليس نموذجًا أضعف على نحو موحّد يُباع بسعر يعادل واحدًا على عشرين من سعره. بل هو نموذج ذو شكل محدد: منافس في توليد فروق الشيفرة، ومتأخر بفارق كبير في أعمال الطرفية والاستدلال العلمي والتحرّز الواقعي، وأبطأ بنحو عشرة أضعاف في إنتاج أول رمز له. أما Sonnet 5.5 فهو الشكل المعاكس: متسق، وسريع في البدء، ومكلف بما يكفي بحيث يحتاج أسطول منه إلى مبرر تجاري.

ورقتا المواصفات، بُعداً ببُعد

• سعر الإدخال لكل مليون - GPT-6 Luna بسعر 0.10 دولار مقابل Claude Sonnet 5.5 بسعر 2.00 دولار، بنسبة 20 ضعفًا

• سعر الإخراج لكل مليون - GPT-6 Luna بسعر 0.50 دولار مقابل Claude Sonnet 5.5 بسعر 10.00 دولارات، وأيضًا 20x

• الإدخال المخزّن مؤقتًا لكل مليون - GPT-6 Luna ‏$0.01 مقابل Claude Sonnet 5.5 ‏$0.10؛ خفّضت Anthropic سعر قراءة التخزين المؤقت في Sonnet إلى نصف سعر Sonnet 5 عند الإطلاق، ولا تزال النسبة إلى سعر Luna المخزّن مؤقتًا تبلغ 10 أضعاف.

• عمليات الكتابة إلى ذاكرة التخزين المؤقت - GPT-6 Luna بسعر 0.125 دولار لكل مليون، بعلاوة 1.25x على الإدخال؛ ويُحتسب Sonnet 5.5 بسعر 2.50 دولار لكل مليون وفق الاصطلاح نفسه البالغ 1.25x

• نافذة السياق - 1,050,000 توكن لـ GPT-6 Luna مقابل 1,000,000 لـ Claude Sonnet 5.5، مع تحديد سقف الإدخال القابل للاستخدام في Luna عند 922,000

• الحد الأقصى للإخراج - 128,000 رمز في كليهما

• تسعير السياق الطويل - تعيد Luna تسعير الطلب بأكمله عند تجاوز 272,000 رمز إدخال إلى $0.20 / $0.75؛ ولا تتضمن بطاقة Sonnet 5.5 هوة سعرية مماثلة، وهو ميزة صامتة في المطالبات ذات 300K رمز.

• طرق الإدخال - النص والصورة والملف على كليهما؛ لا يقبل أي منهما الصوت أو الفيديو

• التحكم في الاستدلال - يتيح GPT-6 Luna الخيارات: بلا، ومنخفض، ومتوسط (الافتراضي)، وعالٍ، وxhigh، وأقصى، ويمكن إيقافه كليًا؛ بينما لدى Claude Sonnet 5.5 خمسة مستويات من منخفض إلى أقصى، وعالٍ هو الافتراضي، والاستدلال مفعّل دائمًا

• حد المعرفة - 18 مايو 2026 لـ GPT-6 Luna؛ لا تنشر Anthropic تاريخًا مماثلًا لـ Sonnet 5.5

• الإصدار - GPT-6 Luna في 22 سبتمبر 2026؛ Claude Sonnet 5.5 في 28 سبتمبر 2026، بفارق ستة أيام

• AA Intelligence Index v5.0.1 - GPT-6 Luna 28 بأقصى جهد مقابل Claude Sonnet 5.5 42 بجهدها العالي الافتراضي و55 بأقصى جهد

• الوقت حتى أول رمز إجابة - GPT-6 Luna ‏79.33 ثانية مقابل Claude Sonnet 5.5 ‏10.21 ثانية على اللوحة نفسها

• تكلفة المهمة الواحدة في مؤشر الذكاء - GPT-6 Luna: 0.15 دولار مقابل Claude Sonnet 5.5: 1.64 دولار

عشرون ضعفًا للسعر، وأحد عشر ضعفًا للفاتورة

نسبة سعر القائمة هي 20 ضعفًا بالضبط. أما النسبة المقاسة على حمل عمل حقيقي فليست كذلك، لأن تكلفة المهمة الواحدة تحتسب أيضًا عدد التوكنات التي ينفقها كل نموذج للوصول إلى إجابة. في تشغيل المؤشر لدى Artificial Analysis، استهلكت Luna ما قيمته 136 دولارًا من التوكنات لإكمال المجموعة، بينما استهلكت Sonnet 5.5 ما قيمته 1,268 دولارًا - نحو 9.3 أضعاف. ورقم Luna لكل مهمة البالغ 0.15 دولار مقابل 1.64 دولار لـ Sonnet هو نسبة 10.9.

يصب هذا الفارق في مصلحة Luna وضدها في الوقت نفسه، تبعًا لعبء العمل لديك. فـ Luna تُصدر عددًا كبيرًا من رموز الاستدلال رغم كونها نموذجًا منخفض التكلفة: عند أقصى جهد تكون أكثر إسهابًا من الاثنين لكل وحدة من الدرجة، ولهذا تنضغط نسبة القائمة البالغة 20 ضعفًا إلى نحو 10 أضعاف في الفاتورة. وفي عبء عمل يغلب عليه الإخراج - التوليدات الطويلة، وتعديلات الشيفرة التكرارية، وأي شيء يكتب فقرات - يصبح هذا الضغط أسوأ بالنسبة إلى Luna، لأن معدل الإخراج لديها يمثل النصف المكلف من بطاقة الأسعار. أما في عبء عمل يغلب عليه الإدخال - الاسترجاع، وقراءة السجلات، والأسئلة والأجوبة على المستندات ضمن مجموعة نصوص ثابتة - فإن نسبة 20 ضعفًا تظل صحيحة تقريبًا، ويزيد التخزين المؤقت الأمر تحسنًا.

ملاحظة حسابية أخرى تُغيّر الإجابة بالنسبة إلى فريق يدفع أصلاً أسعار A​nthropic: تصف A​nthropic نموذج Sonnet 5.5 بأن تكلفته تصل إلى 30% أقل لكل مهمة مقارنةً بـ Sonnet 5 رغم بقاء قائمة الأسعار دون تغيير، لأنه يحتاج إلى عدد أقل من الرموز (tokens) لإنجاز العمل نفسه. الفريق الذي ينتقل من Sonnet 5 إلى Sonnet 5.5 يحصل على خصم حقيقي دون تغيير أي جدول أسعار. أما الفريق الذي ينتقل من Sonnet 5.5 إلى Luna فيحصل على خصم يعادل 10 أضعاف، وعلى نموذج مختلف اختلافاً جذرياً.

حيث تكون الفجوة هاوية سحيقة، ولماذا يهمّ الحِزام

Terminal-Bench 4.0 هو أوضح فجوة على اللوحة: 43.9% لـ Sonnet 5.5 مقابل 12.6% لـ Luna، مقاسةً بواسطة المُقيِّم نفسه وتحت الظروف نفسها. أما Terminal-Bench-Science فهو أسوأ لـ Luna بعد: 34.3% مقابل 8.6%. إذا كان العمل جلسة shell، أو نظام بناء، أو مجموعة اختبارات فاشلة يجب تشخيصها عبر ملفات متعددة، فإن خصم عشرين ضعفًا ليس خصمًا على الإطلاق. لن تُنجز Luna المهمة على نحو متكرر بما يكفي كي يُحدث السعر فرقًا.

كن حذرًا بشأن الأرقام التي تستشهد بها لـ Sonnet هنا، فهناك رقمان وواحد فقط منهما قابل للمقارنة. يذكر منشور الإطلاق الخاص بـ A​nthropic نسبة 70.6% على Terminal-Bench 4.0 - أي أكثر من 26 نقطة مما قاسه المجلس المستقل. لا الرقمين غير صادقين؛ فرقم المورّد يأتي من إطار الاختبار الخاص بـ A​nthropic وسياسة الأدوات وهيكل التوجيهات الخاص بها، ونتائج Terminal-Bench تتغير بشكل كبير مع الثلاثة جميعًا. وقد طرح Deepnote النقطة نفسها من الاتجاه المعاكس في Agent Initiative Benchmark الخاص به: «النتائج تعكس النماذج فقط، وليس إطار الاختبار»، كما أن أي توجيه أو سياسة أدوات مختلفة «ستغيّر كل رقم هنا». تعامل مع 70.6% على أنها ما يحققه Sonnet 5.5 في إعداد A​nthropic، ومع 43.9% على أنها ما يحققه في إعداد شخص آخر. عند المقارنة والاختيار، استخدم الرقم الثاني، لأنك لن تشغّل إعداد A​nthropic.

ينطبق التحذير نفسه على أرقام المورّد الخاصة بـ Luna نفسها. تذكر OpenAI أن GPT-6 Luna، بأقصى جهد، يسجّل 66.6% على DeepSWE v1.1، «قابل للمقارنة مع Claude Opus 5 وFable 5 عند الجهد المتوسط»، بتكلفة أقل بنسبة 93% إلى 96% لكل مهمة. تلك نتيجة أبلغ عنها المورّد في تقييم أجراه المورّد، ولا تقول شيئًا عن Terminal-Bench، حيث الرقم المستقل هو 12.6%. كلتا الجملتين تصفان النموذج نفسه.

حيث يتقلص الفارق إلى مجرد خطأ تقريب

يسأل FrontierCode-AA 2.0 عمّا إذا كان وكيل البرمجة يُنتج تغييرًا جاهزًا للدمج في مستودع حقيقي. تحصل Luna على 25.2. وتحصل Sonnet 5.5 على 25.7. نصف نقطة، على فرق في السعر يبلغ عشرين ضعفًا، وكلاهما أقل بكثير من المتصدرين في معيار يتجاوز فيه نموذج قوي 46%.

اقرأ ذلك بعناية قبل الوصول إلى الاستنتاج البديهي. إن الدرجة المطلقة المنخفضة في اختبار قياسي صعب تعني أن كلا النموذجين يفشلان في معظم الأحيان؛ وعندما يفشل نموذجان معًا في معظم الأحيان، فإن فارق نصف نقطة ليس في معظمه سوى ضجيج. الادعاء المفيد ليس أن "لونا يبرمج بالجودة نفسها التي يبرمج بها Sonnet 5.5". بل هو أضيق: في هذا النمط من المهام، وعند هذا المستوى من الصعوبة، فإن الزيادة بمقدار عشرين ضعفًا لا تشتري شيئًا قابلًا للقياس. إذا كان عبء عملك يشبه FrontierCode - تعديلات قائمة بذاتها على قاعدة شيفرة معروفة، يراجعها إنسان قبل الدمج - فإن لونا تمريرة أولى يمكن الدفاع عنها، وكان المراجع سيعيد كتابة مخرجاتها على أي حال.

ثمة مقياسان آخران يقعان في النطاق نفسه: يضع AutomationBench-AA كلاً من Sonnet 5.5 عند 59.4% وLuna عند 53.2%، ويضع GDP.pdf عند 25.2% مقابل 22.8%. لا يمثّل أيٌّ منهما تعادلًا، لكن كليهما ضمن النطاق الذي يمكن فيه لهندسة المطالبات واختيار الأدوات قلب الترتيب على بياناتك الخاصة.

الموضعان اللذان تكون فيهما Luna أسوأ حقًا، وليس مجرد مختلفة

المعرفة وزمن الاستجابة، ولا يمكن إصلاح أي منهما بخفض السعر.

يقيس AA-Omniscience v1.1 ما إذا كان النموذج يعرف ما لا يعرفه. يحقق Sonnet 5.5 صافي +19؛ ويحقق Luna صافي -8. وتعني النتيجة الصافية السلبية في ذلك التقييم أن الإجابات الملفقة للنموذج تفوق إجاباته الصحيحة بدرجة كافية وبشكل متكرر لتدفع الإجمالي إلى ما دون الصفر. هذا هو الرقم الأكثر أهمية في هذه المقارنة بالنسبة لأي شخص يبني وكيلًا يجيب دون وجود إنسان في الحلقة، وهو الرقم الذي لن يكشف عنه أبدًا اختبار مرجعي يركز على البرمجة. وبالاقتران مع نتيجة Luna البالغة 38.5 في Humanity's Last Exam مقابل 56.0 لـ Sonnet 5.5، تصبح الصورة متسقة: Luna نموذج متقن لاتباع التعليمات، لكن بقاعدة واقعية ضعيفة.

أما زمن الاستجابة فهو العامل الثاني. يصل Sonnet 5.5 إلى أول رمز في إجابته خلال نحو 10 ثوانٍ، بينما تستغرق Luna نحو 79 ثانية عند أقصى مستوى جهد على لوحة القياس نفسها. وإذا خفّضت مؤشر الجهد، يضيق هذا الفارق - فميزانية الاستدلال لدى Luna هي الثمن - لكنك حينها تقارن نسخة Luna بجهد أقلّ بنسخة Sonnet بكامل قوتها، فيتّسع فارق النتيجة تبعًا لذلك. وبالنسبة لمنتج تفاعلي، غالبًا ما يكون هذا هو العامل الحاسم بصرف النظر عن السعر. أما بالنسبة لمهمة دفعية تعمل طوال الليل، فهو غير ذي أهمية.

المعيار الوحيد الذي يكادان يتعادلان فيه عند أداء مهمة حقيقية

تقيس Artificial Analysis النماذج عبر الأسئلة. أما معيار Agent Initiative Benchmark من Deepnote فيقيسها عبر مهمة واحدة: خمسون موقفًا محاكيًا من بيئة العمل داخل شركة وهمية، حيث يقرأ النموذج Slack ويقرر ما إذا كان سيبحث في الأمر، وأين سيرد، وما إذا كان سيرد أصلًا. سجّل Claude Sonnet 5.5 نتيجة 6.65 بتكلفة 0.42 دولار لكل موقف، وأنهى المهمة في 15 ثانية. وسجّل GPT-6 Luna نتيجة 6.38 بتكلفة 0.0070 دولار، واستغرق 50 ثانية.

يتبع ذلك أمران. إن فرق الجودة في هذا النوع من المهام - ربع نقطة - أصغر من الفاصل الذي يورده المعيار المرجعي، ولهذا تجمع Deepnote بينهما وبين DeepSeek V4.1 Flash وMistral Large 4 وClaude Haiku 5.5 في عنقود تقول إنه "يقع ضمن 0.6 نقطة مع فترات متداخلة". كما أن فرق التكلفة يبلغ 60 ضعفًا لا 20 ضعفًا، لأن Sonnet 5.5 يستهلك نحو عشرين ألف رمز لكل حالة عند الجهد العالي، بينما تستهلك Luna أقل بكثير.

الفارق يكمن في الانضباط لا في القدرة. أحجم Sonnet 5.5 عن الكلام في 6 من الحالات العشر التي كانت تستدعي الصمت؛ وأحجم Luna في 4. سجّل Sonnet 11 تشغيلًا مثاليًا و7 أصفار من أصل 50؛ وسجّل Luna 9 و9. إذا كانت المهمة هي أن تكون على صواب في كثير من الأحيان وأن تصمت عند عدم اليقين، فإن النموذج الباهظ يبرّر تكلفته. وإذا كانت المهمة هي قراءة كل شيء كي تتمكن بوابة ثانية أكثر صرامة من تحديد ما يجب إظهاره، فإن النموذج الرخيص هو النسخة الوحيدة التي تناسب الميزانية.

الميزة التي تفصلهما فعليًا هي مفتاح إيقاف

GPT-6 Luna يقبل reasoning_effort: "none". أما Claude Sonnet 5.5 فلا يقبل ذلك - فالاستدلال مُفعَّل دائمًا عبر مستوياته الخمسة، وقد أعادت A​nthropic معايرتها مقارنةً بـ Sonnet 5، لذا ينبغي للتكامل الموروث أن يعيد ضبط إعداده بدلًا من نقل الإعداد القديم كما هو.

هذا الفرق الوحيد يفسّر معظم منحنى التكلفة. استدعاء تصنيف، أو قرار توجيه، أو استخراج من مخطط معروف: لا يحتاج أيٌّ من هذه إلى أثر استدلال، ويمكن إخبار Luna بتخطيه. أما العمل نفسه على Sonnet 5.5 فيدفع مقابل الاستدلال سواء أفاد أم لم يفد. ويفسّر ذلك أيضًا حدًّا يستحق معرفته قبل البناء عليه: في Chat Completions، لا تدعم Luna استدعاء الدوال إلا عندما يكون جهد الاستدلال مضبوطًا على none، لذا فإن أي شيء يحتاج إلى أدوات يجب أن يمر عبر Responses API. أما Sonnet 5.5 فتتقبّل الأدوات على أي من الواجهتين، عبر Messages API الأصلية أو التنسيق المتوافق مع OpenAI.

تُعدّ واجهة برمجة التطبيقات Decisions من O​penAI، المتاحة عمومًا منذ 22 أكتوبر 2026، أضيق تعبير عن الفكرة نفسها: إجابات محددة النوع — احتمال، أو خيار، أو درجة وفق معيار تقييم — من GPT-6 Luna دون أي نموذج آخر، وبزمن استجابة يقارب عُشر ما تذكره O​penAI عن النموذج نفسه عبر Responses. وإذا كان السؤال «هل تتعارض هذه التذكرة مع سجل الطلب هذا؟»، فيمكن لـ Luna الآن الإجابة بالشكل الأصلي الخاص بها دون توليد أي نص نثري على الإطلاق.

الاختيار بينها

• العمل الطويل في الطرفية، وإصلاح البناء، وتصحيح الأخطاء عبر ملفات متعددة - Claude Sonnet 5.5. إن نسبة Luna البالغة 12.6% على Terminal-Bench 4.0 ليست مسألة ميزانية.

• أي شيء يكون فيه الجواب الخاطئ مكلفًا ولا يتحقق منه أحد — Claude Sonnet 5.5، استنادًا إلى فارق +19 مقابل −8 في Omniscience.

• واجهات تفاعلية يُعدّ فيها انتظار 79 ثانية حتى أول رمز عيبًا في المنتج - Claude Sonnet 5.5.

• التصنيف أو الاستخراج أو التوجيه عالي الحجم، أو قارئ أولي أمام بوابة أكثر صرامة - GPT-6 Luna، عند مستوى الجهد none أو low، حيث لا تكون أي من مزايا Sonnet مؤثرة.

• تعديلات برمجية مكتفية بذاتها سيقرأها المراجع على أي حال — GPT-6 Luna كمرحلة أولى، وSonnet 5.5 كمسار تصعيد. وفارق نصف النقطة في FrontierCode هو ما يجعل هذا التقسيم محلّ جدال بدلًا من أن يكون طائشًا.

تشغيل كلا النموذجين معًا هو الخيار الذي لا تروّج له بطاقات الأسعار لكن الأرقام تدعمه. إعداد متعدد الطبقات - Luna لـ90% من الاستدعاءات الرخيصة والمحدودة، وSonnet 5.5 لـ10% التي تحسم أمرًا - يكلّف أقرب إلى فاتورة Luna من فاتورة Sonnet مع الاحتفاظ بحكم Sonnet حيث يكون الحكم مهمًا. يضع OrcaRouter كلا النموذجين خلف مفتاح واحد متوافق مع OpenAI إلى جانب أكثر من 200 نموذج آخر، بهامش ربح 0% مع تمرير سعر قائمة المزوّد كما هو، لذا فإن نسبة 20x على الورقة هي نسبة 20x على الفاتورة ويصلك تغيير سعر المزوّد في اليوم نفسه. ولأن كليهما يقبل تنسيق chat-completions من OpenAI، فإن تقسيم الطبقات قاعدة توجيه وليس تكاملًا ثانيًا: ترسل لغة DSL للتوجيه الطلب إلى Luna أولًا وتصعّده عند تحقق شرط، ويغطي التحويل التلقائي عند الفشل تباطؤ المزوّد، ولا تحدث تغييرات في الكود عندما يصل نموذج جديد إلى الكتالوج.

ما الذي سيغيّر الإجابة؟

يعتمد موضع Luna الحالي اعتمادًا غير معتاد على تحرّك رقم واحد: حدّه الأدنى الواقعي. إن إصدارًا نقطيًا يرفع AA-Omniscience من سلبي إلى إيجابي سيزيل أقوى حجة للدفع مقابل ما يزيد عشرين ضعفًا، لأن فجوات العمل الطرفي وزمن الاستجابة خاصة بحمل العمل، بينما النموذج الذي يختلق الحقائق يمثل مصدر خطر في كل مكان. وعلى العكس، فإن خفض سعر Sonnet 5.5 - من النوع الذي فعله Anthropic من قبل، والذي سيمرّره فورًا راوتر بهامش ربح 0% - سيضيّق النسبة بما يكفي لجعل مسألة التقسيم إلى فئات بلا جدوى بالنسبة للعديد من الفرق.

في غياب أي منهما، فإن الخلاصة الصادقة هي أن هذين ليسا بديلين. GPT-6 Luna قارئ رخيص، وسريع الاستجابة للمطالبات، وهزيل الحقائق، ومزوّد بمفتاح يوقف التفكير. Claude Sonnet 5.5 كاتب أبطأ في البدء، ومكلف، وموثوق، ويفكر دائمًا. الخطأ هو التعامل مع 20x كحكم نهائي. إنه ميزانية للأجزاء من المهمة التي لا يظهر فيها الفرق - وهامش نصف النقطة لدى FrontierCode هو التذكير بأن بعض تلك الأجزاء أكبر مما توحي به التسويق.